Google DeepMind在2026年6月16日介绍了英国政府AI规划原型：工具协助规划人员提取申请信息、定位相关政策、汇总公众反馈并起草报告基础，目标是把住宅规划申请的处理时间缩短50%。文章资料核验日期为2026年8月5日，数字和进展均属于官方项目披露，不能视为普遍落地结果。
案例结论：AI先处理资料，规划人员保留最终决定权
这个案例的可复制部分在流程设计。系统把分散在PDF、历史档案和政策文本里的信息整理到一个界面，给出引用位置和待核对事项；规划人员逐行审查理由、修改报告，并决定批准或拒绝申请。
| 工作环节 | AI负责的辅助动作 | 人工需要确认 |
|---|---|---|
| 资料收集 | 提取地块、申请类型和缺失字段 | 来源是否完整、资料是否过期 |
| 政策定位 | 标出相关国家和地方政策并给出引用 | 条款适用条件与例外情况 |
| 反馈整理 | 归并咨询意见、异议和历史先例 | 遗漏、冲突和利益关系 |
| 报告起草 | 生成理由与拟议条件的初稿 | 逐行编辑并作出最终决定 |
从Extract到规划原型：两层数据流程
第一层：把历史文件变成可检索数据
Google DeepMind介绍的Extract用于处理历史规划文档，把非结构化PDF转换为可用数据。它解决了资料“找不到、看不懂、无法交叉核对”的基础问题，后续智能体才能在相对稳定的输入上工作。
第二层：围绕申请形成可审计的报告草稿
规划原型在Barnet、Dorset和Camden与地方团队共同测试，按申请场景提取信息、核对政策、总结反馈，再形成报告草稿。官方称项目计划在2027年向所有地方政府开放，当前仍属于试验和共创阶段。
其他公共服务团队如何借鉴
- 先选低风险、重复度高的事项：例如材料完整性检查和政策条款定位。
- 建立证据字段：每个结论绑定原文、页码或段落位置。
- 设置人工闸门：AI只能生成建议和草稿，最终决定由有权限的工作人员作出。
- 记录全过程：保存输入版本、引用、修改、审批人和最终结果。
- 以小范围试点验证：用真实历史案件回放，检查漏项、误判和偏差。
适用条件
- 部门有稳定的政策文档、历史案件和数据治理责任人。
- 工作人员能检查每条引用并保留审计记录。
- 试点有明确的停止条件、申诉入口和人工兜底。
限制与风险
- 英国项目的目标和试验结果不能直接复制到其他国家或部门。
- 政策变化、扫描质量和历史档案缺失都会影响建议质量。
- 公共决策涉及公平、隐私和问责，AI生成的理由必须接受人工和制度审查。
FAQ
AI可以替规划人员做最终审批吗？
该案例明确由规划人员保留最终决策权。其他公共服务项目也应把AI放在资料整理和草稿环节，保留人工判断和申诉渠道。
没有高质量PDF怎么办？
先建立文档清单和扫描质量检查，标记无法解析的页码，再决定是否进入自动流程。
这个项目已经全面上线吗？
官方文章描述的是在三个地方政府的试验和共创，并计划从2027年起逐步向所有地方政府提供；当前不应当作全面上线。
